2026年中银量化绝对收益系列专题:宏观因子资产化框架下的国债期货择时策略

  • 来源:中银国际
  • 发布时间:2026/02/05
  • 浏览次数:62
  • 举报
相关深度报告REPORTS

中银量化绝对收益系列专题:宏观因子资产化框架下的国债期货择时策略.pdf

中银量化绝对收益系列专题:宏观因子资产化框架下的国债期货择时策略。中银量化团队设计并构建宏观实时(PIT)因子库,创新性提出宏观因子资产化理念,对国债期货进行择时策略构建。回测显示策略具有稳健的收益特征与较强的抗风险能力。宏观实时(PIT)指标库构建宏观数据实时获取:不同于传统宏观建模将每月所有宏观数据统一滞后1-2个月,中银通过万得宏观经济日历精准获取宏观数据披露日期与时间,将PIT宏观信息滞后一定时间n(如10分钟)进行建模。PIT宏观指标构建:从经济增长、通货膨胀、货币信贷政策与央行公开市场操作四个维度设计国债择时信号,构建宏观因子库。宏观因子资产化策略构建与回测宏观因子资产化理念:基于...

主连合约的复权方法

国债期货主连合约可能存在主连价格跳变:若获取万得定义的主连合约将在 t 日从主连合约 A 切为 合约 B,即 t-1 日万得主连合约价格为 A 的价格,在 t 日则会切换为 B 的价格。可能表现为万得主 连合约的价格在 t 日出现跳变。由于不同到期月份的合约在切换时点可能存在自然价差,直接使用 不复权价格会导致价格序列出现非市场化的断点,严重干扰择时模型对利率趋势的判断。

宏观因子资产化框架

(一)传统宏观定量建模与中银宏观因子 PIT 方法

以 2025 年 10 月一系列宏观数据披露流程为例: 传统宏观建模常用的方法是将每月所有宏观数据统一滞后 1-2 个月,用于未来信号预测; 中银宏观因子 PIT 方法:精准获取宏观数据披露日期与时间,考虑信号获取延迟时间,将 PIT 宏观 信息滞后一定时间 n(比如设定 n = 10 分钟)进行实时建模。

(二)经济数据发布日历

宏观数据发布日历官方查询途径:统计局数据可从官网查询具体发布日期和时间,但实际时间可能 会调整;央行数据则较难提前知晓,且月度与季度重要数据通常在盘后时间公布。 万得宏观发布日历查询途径:通过“万得 -> 宏观 -> 信息咨询 -> 全球经济日历”路径查询,即可获 取各类宏观指标的精确发布日期与时间。下图即为 2025 年 10 月部分宏观数据发布信息时间日期案 例展示。

(三)传统建模

1. 传统宏观因子对资产预期收益预测的方法论

通常使用中长周期窗口滚动线性或非线性时序法进行预测。考虑宏观因子常为月度低频指标,为实 现统计结果的稳健性,用于建模的历史样本常需要 5 年甚至更长周期。以滚动窗口线性时序建模为 例,限于时序样本有限且宏观因子种类众多,技术上常采用 Lasso 或 ElasticNet 等方法进行特征优 选,再通过“滚动窗口样本内特征与参数估计寻优,逐期样本外预测”的模式实现。

(四)改进方法:宏观因子资产化

基于经典经济与经济学逻辑,对于 PIT 宏观变量的变化对资产波动方向进行研判,以“多/空”的交易 信号来表达宏观因子对资产定价的逻辑。整体框架可以概括为三个核心步骤“宏观因子构建 -> 宏观 交易逻辑净值化 -> 因子动态优选与复合”。

策略构建与回溯测试

(一)宏观因子库构建

1. 宏观因子分类

基于经典利率研判框架,与十年期国债利率相关的宏观因子可从[1]经济增长、[2]通货膨胀、[3]货币 与信贷政策以及[4]央行公开市场操作四个维度进行挖掘。

2.宏观因子标准化构建

考虑趋势类因子构建逻辑简单直接且策略效果相对较优,模型从[1]因子趋势变化和[2]因子趋势强度 两个维度对各个单因子进行批量化构建。

3.宏观因子变动与利率预期变动方向研判框架

从定量角度,尽可能简化单一指标对利率的研判逻辑,最后中银利率择时模型通过指标综合打分方 式对利率方向进行综合研判。

(二)宏观单因子逻辑净值化

1. 宏观单因子逻辑净值化方法论

基于 PIT 宏观指标的边际变化,生成实时的利率交易多空信号,即可生成基于该单因子的国债期货 择时净值曲线。以 PMI 因子为例,如果在 t 时刻获取制造业 PMI 因子日度趋势变化大于 0 或者 PMI 因子趋势强度大于 0,则认为经济增长向好,在 t+n 时刻生成多空信号,在 t+n+1 时刻做空 1 手国债 期货(n 为信号滞后分钟数量,本报告统一设定为滞后 10 分钟),反之做多 1 手国债期货,生成基 于该因子的国债期货择时曲线 pnl_pmi;优化器构建的组合为股票多头组合,要求所有个股权重大于 等于 0,因此需要添加个股权重下限约束。

较传统方法效率更高:与需要 5 年以上历史数据估计参数的传统建模方法相比,宏观因子资产 化方法匹配市场状态滞后性显著更低,该方法仅需要观察宏观信号在短则几日,长则一年的择 时净值表现即可评估信号的有效性,更容易应对当前高波动、多变化的市场状态;

动态锚定核心宏观因子:通过对比各单宏观信号的择时净值{pnl_i}近期表现来确定当前资产定 价的主导因素是哪些,并基于这些核心因子对资产预期收益进行预测;

如何理解因子某段时间的表现与预期相悖:如果某些单宏观因子净值近期出现显著下跌时,我们倾 向于认为当前资产波动方向并非由该因子主导,而是由其他因子主导;不倾向于判定该定价因子定 价逻辑与经济金融理论相悖。 模型设定建议:模型处理因子近期失效时,选择“不使用该因子”而非“反向交易该因子”。

2.经济增长宏观因子库

货币信贷类因子

整体净值表现在 2018 年以前显著有效,因子净值中枢呈上升趋势,在 2018 年之后因子库政策呈震 荡趋势。考虑到因子本身定价逻辑的重要性以及后续动态因子优选效果较优,模型选择加入货币信 贷类因子信号用于利率研判。

公开市场操作类因子

整体净值表现有效,因子净值中枢呈上升趋势,近期呈失效状态。对比因子长周期收益表现,2025 年回撤是符合因子历史收益波动特征的。


(本文仅供参考,不代表我们的任何投资建议。如需使用相关信息,请参阅报告原文。)

相关报告
评论
  • 相关文档
  • 相关文章
  • 全部热门
  • 本年热门
  • 本季热门
  • 全部热门
  • 本年热门
  • 本季热门
  • 最新文档
  • 最新精读
分享至